Google DeepMind 提出名为 SkillSmith 的新研究，将模型权重视为大语言模型原生读取的额外模态，通过结合现有权重与描述文本直接输出新权重以实现特定技能。该方法将技能组合转化为推理时操作，被称为指令引导的参数合成，其性能表现超越了传统的纯文本或纯权重适配方法，为模型能力扩展提供了新的研究思路。
Google DeepMind 提出名为 SkillSmith 的新研究，将模型权重视为大语言模型原生读取的额外模态，通过结合现有权重与描述文本直接输出新权重以实现特定技能。该方法将技能组合转化为推理时操作，被称为指令引导的参数合成，其性能表现超越了传统的纯文本或纯权重适配方法，为模型能力扩展提供了新的研究思路。
Google DeepMind 发布新研究 SkillSmith，提出将模型权重视为大语言模型原生读取的额外模态。该方法通过摄入现有权重和文本描述，在推理阶段直接输出新权重以实现技能组合，被称为指令引导的参数合成。这种将技能组合转化为推理时操作的创新，其效果超越了传统的纯文本或纯权重适应方法，为大模型能力的灵活扩展提供了新的技术路径。
Google DeepMind 提出名为 SkillSmith 的新研究，将模型权重作为大语言模型原生读取的额外模态。该方法通过摄入现有前缀权重和描述文本，在推理阶段直接输出体现目标技能的新权重，将技能组合从训练过程转变为推理操作。这一“指令引导的参数合成”方法在性能上超越了传统的纯文本或纯权重适配，为模型能力的动态扩展提供了新的研究思路。